蔣慶朝，徐　碩，陳孟婕，王立華

(中國水產(chǎn)科學(xué)研究院漁業(yè)工程研究所，北京 100141)

隨著互聯(lián)網(wǎng)和信息技術(shù)的發(fā)展，信息量逐漸從匱乏轉(zhuǎn)為過載。如何從海量信息中找到用戶需要的信息成為了一個(gè)重要的研究課題。傳統(tǒng)的解決方法是利用搜索引擎，但由于信息的多樣化和復(fù)雜化，難以準(zhǔn)確找到合適的關(guān)鍵詞描述需求。學(xué)術(shù)界和工業(yè)界開始采用推薦系統(tǒng)解決這一難題。推薦系統(tǒng)作為個(gè)性化信息服務(wù)系統(tǒng)，可借助用戶建模技術(shù)對(duì)用戶的長期信息需求進(jìn)行描述，并根據(jù)用戶模型通過一定的智能推薦策略實(shí)現(xiàn)有針對(duì)性的個(gè)性化信息定制[1]。相對(duì)于搜索引擎，推薦系統(tǒng)不但不需要用戶提出明確要求，而且還能發(fā)現(xiàn)用戶潛在興趣。因此，推薦系統(tǒng)快速成為研究領(lǐng)域的熱點(diǎn)問題[2]。

當(dāng)前，各大電子商務(wù)網(wǎng)站都擁有獨(dú)立的推薦系統(tǒng)[3-4]，但是對(duì)于科學(xué)數(shù)據(jù)類網(wǎng)站，例如漁業(yè)領(lǐng)域的科學(xué)數(shù)據(jù)平臺(tái)，并沒有成形的推薦系統(tǒng)。在數(shù)據(jù)總量達(dá)到50 GB，資源總數(shù)幾十萬條的情況下，僅僅依靠數(shù)據(jù)檢索已經(jīng)難以滿足用戶對(duì)數(shù)據(jù)服務(wù)的需求。漁業(yè)科學(xué)數(shù)據(jù)服務(wù)的主動(dòng)性較差，無法給用戶提供良好的體驗(yàn)。需要通過構(gòu)建專業(yè)的推薦系統(tǒng)，為用戶推薦可能感興趣的數(shù)據(jù)和挖掘潛在的興趣點(diǎn)，以提高數(shù)據(jù)服務(wù)性。目前，應(yīng)用最廣的推薦方法是基于協(xié)同過濾的推薦[5-7]和基于內(nèi)容的推薦算法[8]。隨著機(jī)器學(xué)習(xí)的發(fā)展，以深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的基于模型的推薦算法也成為了研究熱點(diǎn)[9]。由于漁業(yè)科學(xué)數(shù)據(jù)的特殊性以及平臺(tái)用戶偏好信息不足，用戶與數(shù)據(jù)之間的關(guān)聯(lián)程度較低，傳統(tǒng)的推薦方法在漁業(yè)科學(xué)數(shù)據(jù)領(lǐng)域中難以取得較好效果。通過對(duì)平臺(tái)中的漁業(yè)科學(xué)數(shù)據(jù)進(jìn)行分析，可以看出不論是遙感、環(huán)境數(shù)據(jù)，還是魚類、湖泊數(shù)據(jù)，都具有非常明顯的地理位置特征，即具體的位置或者分布[10]。漁業(yè)用戶對(duì)于科學(xué)數(shù)據(jù)的需求可以轉(zhuǎn)化為與地理位置之間的關(guān)系。

針對(duì)目前研究現(xiàn)狀，考慮如何在用戶—物品領(lǐng)域之外[11-12]，引入地理位置信息，利用數(shù)據(jù)中的位置屬性，提高漁業(yè)科學(xué)數(shù)據(jù)推薦準(zhǔn)確率，并為農(nóng)業(yè)科學(xué)數(shù)據(jù)資源推薦方法研究提供參考。

1　基于地理位置推薦

1.1　研究方法

提出了一種結(jié)合用戶所在地理位置進(jìn)行推薦的方法。數(shù)據(jù)來自國家農(nóng)業(yè)科學(xué)數(shù)據(jù)中心漁業(yè)數(shù)據(jù)分中心平臺(tái)2017年的日志記錄。通過平臺(tái)數(shù)據(jù)庫獲得用戶數(shù)據(jù)，選擇100位用戶作為試驗(yàn)數(shù)據(jù)。該數(shù)據(jù)庫不僅包含了平臺(tái)中所有的漁業(yè)科學(xué)數(shù)據(jù)，還記錄了用戶的訪問信息數(shù)據(jù)。

主要采集漁業(yè)科學(xué)數(shù)據(jù)平臺(tái)數(shù)據(jù)庫的用戶訪問和IP訪問數(shù)據(jù)，以及Web日志數(shù)據(jù)。其中，用戶訪問表包含用戶的ID、訪問時(shí)間、訪問記錄等信息，IP訪問表結(jié)構(gòu)包含訪問IP、訪問時(shí)間、訪問記錄等信息。這兩個(gè)表格分別是系統(tǒng)注冊(cè)用戶的歷史記錄和以訪問IP為基礎(chǔ)的歷史記錄。Web日志數(shù)據(jù)主要包含訪問時(shí)間、客戶端IP、客戶端執(zhí)行的操作以及Cookie等信息。通過對(duì)日志進(jìn)行清洗，提取用戶ID和鏈接，作為對(duì)比方法的數(shù)據(jù)集。采集2017年1—10月的數(shù)據(jù)，進(jìn)行數(shù)據(jù)抽取轉(zhuǎn)為訓(xùn)練數(shù)據(jù)。采集11—12月的數(shù)據(jù)，作為測試數(shù)據(jù)。

根據(jù)采集的數(shù)據(jù)，可以構(gòu)建用戶的物品評(píng)分矩陣，其中用戶的訪問次數(shù)作為具體評(píng)分來判斷用戶對(duì)這項(xiàng)數(shù)據(jù)的偏好程度。地理位置則是根據(jù)用戶的IP，通過API接口，轉(zhuǎn)為物理地址。從地址解析API獲得的返回結(jié)果是Json格式的數(shù)據(jù)，包含訪問者的國家、區(qū)域、省、市等信息。提取其中的國家和省市信息拼接成新的字符串，作為矩陣的地理緯度信息。然后以同一城市對(duì)某物品的訪問次數(shù)作為評(píng)分,構(gòu)建地理位置—物品的數(shù)據(jù)評(píng)分矩陣。通過矩陣分解得到反映用戶興趣分布的評(píng)分矩陣，然后為用戶推薦評(píng)分較高的項(xiàng)[13]。

1.2　矩陣分解

跨領(lǐng)域的推薦方法有基于協(xié)同過濾、基于張量分解和基于遷移學(xué)習(xí)等算法。本研究使用的是聯(lián)合矩陣分解的方法，這是一種基于模型的矩陣分解算法。矩陣分解就是預(yù)測評(píng)分矩陣中的缺失值，然后根據(jù)預(yù)測結(jié)果為用戶推薦[14]。在分解過程中，將一個(gè)矩陣分解成兩個(gè)或者多個(gè)矩陣的乘積。通過不斷迭代訓(xùn)練使矩陣乘積越來越接近初始矩陣[15-16]。

對(duì)于用戶，首先從其近期的瀏覽記錄中抽取具體項(xiàng)作為物品集合V，集合V中包含n個(gè)不同的物品項(xiàng)。每個(gè)用戶和物品集合V之間的關(guān)系可以表示成一個(gè)n維向量。在向量中，每個(gè)維度表示的是用戶訪問此項(xiàng)的次數(shù)。訪問次數(shù)可以看成是用戶對(duì)物品的評(píng)分或喜愛程度。對(duì)于用戶集合U和物品集合V，可以表示成一個(gè)用戶—物品矩陣Rm,n。

(1)

式中：rij(i=1,2,…,m；j=1,2,…,n)—第i個(gè)用戶訪問第j個(gè)物品的次數(shù)。Rm,n矩陣可以表示成用戶因子矩陣Umk和物品因子矩陣Vkn的乘積形式，Rm,n=Umk·Vkn。實(shí)際分解矩陣時(shí)，要使Umk和Vkn的乘積能夠盡可能接近初始矩陣Rm,n。

(2)

(3)

式中：eij—初始評(píng)分矩陣和預(yù)測評(píng)分矩陣之間的誤差。

當(dāng)所有損失之和最小時(shí)，Rm,n矩陣就成功分解為Umk和Vkn。損失函數(shù)的最小值，可以通過梯度下降法求解。首先需要獲得損失函數(shù)的負(fù)梯度，然后按照負(fù)梯度的方向更新矩陣，更新公式分別為：

(4)

(5)

1.3　聯(lián)合矩陣分解

上述算法是對(duì)用戶-物品領(lǐng)域的單矩陣分解，當(dāng)引入地理位置信息時(shí)，可以采用聯(lián)合矩陣分解進(jìn)行分析。通過分解相關(guān)聯(lián)的矩陣，計(jì)算損失函數(shù)的最小值。不同于單矩陣分解，損失函數(shù)是各領(lǐng)域損失函數(shù)的加權(quán)和，且所有權(quán)值之和為1。

聯(lián)合矩陣分解過程中，用戶—物品領(lǐng)域，評(píng)分矩陣可以分解成用戶特征矩陣U和物品特征矩陣V。位置—物品領(lǐng)域，評(píng)分矩陣可以分解成位置特征矩陣I和物品特征矩陣V。兩個(gè)領(lǐng)域的V特征矩陣是等價(jià)的。則聯(lián)合矩陣損失函數(shù)為：

e2=α‖RUV-UV‖2+(1-α)‖RIV-IV‖2

(6)

式中：e—損失函數(shù)；α—(用戶—物品)矩陣損失函數(shù)的權(quán)重；RUV—(用戶—物品)矩陣評(píng)分；RIV—(位置—物品)評(píng)分矩陣；‖RUV-UV‖2、‖RIV-IV‖2—分別是兩個(gè)矩陣的損失函數(shù)。

按照梯度方向，更新矩陣。當(dāng)損失函數(shù)小于閾值時(shí)，迭代結(jié)束，此時(shí)獲得的就是關(guān)于用戶、物品和位置的特征矩陣。相對(duì)于單矩陣分解出的用戶和物品特征矩陣，使用聯(lián)合矩陣分解獲得的矩陣反映了地理位置因素的影響。因此，可以使用用戶—物品矩陣還原評(píng)分矩陣，然后根據(jù)預(yù)測值的大小向用戶推薦。

2　結(jié)果與分析

2.1　試驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)

以公式(6)構(gòu)建的兩個(gè)矩陣作為輸入，使用聯(lián)合矩陣分解算法，得到用戶矩陣、物品矩陣和地理位置矩陣。重新以用戶和物品矩陣組成評(píng)分矩陣，降序排列，分?jǐn)?shù)較高的優(yōu)先推薦給用戶。計(jì)算中，采用的是預(yù)測準(zhǔn)確率P和擊中率R來評(píng)價(jià)推薦算法的性能，計(jì)算方法為：

(7)

(8)

式中：N—用戶推薦物品的數(shù)量;M—用戶一段時(shí)間內(nèi)瀏覽物品的數(shù)量;Nr—成功推薦給用戶的物品數(shù)量;P—預(yù)測準(zhǔn)確率，即為推薦準(zhǔn)確的數(shù)據(jù)與推薦的總數(shù)據(jù)比值，%;R—擊中率，即推薦準(zhǔn)確的數(shù)據(jù)在用戶瀏覽數(shù)據(jù)中所占比值，%。在試驗(yàn)中，為每個(gè)用戶推薦10條數(shù)據(jù)，N=10。

2.2　試驗(yàn)結(jié)果

在對(duì)比試驗(yàn)中，選擇4種算法與本文方法的性能進(jìn)行比較。算法如下：1)基于用戶的協(xié)同過濾方法，使用的試驗(yàn)數(shù)據(jù)是上文中構(gòu)建的用戶—物品評(píng)分矩陣；2)基于熱點(diǎn)信息的推薦算法，以當(dāng)前系統(tǒng)平臺(tái)中訪問量最多的漁業(yè)科學(xué)數(shù)據(jù)作為熱點(diǎn)信息，推薦給用戶；3)基于人口統(tǒng)計(jì)學(xué)的推薦，根據(jù)用戶的注冊(cè)信息發(fā)現(xiàn)相關(guān)用戶，然后把相似用戶瀏覽的數(shù)據(jù)推薦給目標(biāo)用戶；4)基于關(guān)聯(lián)規(guī)則的推薦，通過web日志數(shù)據(jù)，挖掘出數(shù)據(jù)之間的關(guān)聯(lián)規(guī)則，然后為用戶推薦與瀏覽記錄關(guān)聯(lián)程度較高的科學(xué)數(shù)據(jù)。

計(jì)算結(jié)果如表1所示，可以看出，當(dāng)推薦數(shù)量N=10時(shí)，本研究提出的基于地理位置的跨領(lǐng)域推薦相較于其他方法能夠有效提升在漁業(yè)科學(xué)類數(shù)據(jù)推薦效果。

表1　跨領(lǐng)域推薦與傳統(tǒng)推薦效果比較

通過變化推薦列表長度，從8增長到11，各個(gè)算法的預(yù)測準(zhǔn)確率和擊中率變化如圖1、圖2所示。

圖1　預(yù)測準(zhǔn)確率隨推薦數(shù)量變化

圖2　擊中率隨推薦數(shù)量變化

可以看出，隨著推薦長度的增加，推薦系統(tǒng)的預(yù)測準(zhǔn)確性也在不斷的降低，這是由于評(píng)分較高項(xiàng)在推薦列表中占的比重逐漸降低，且計(jì)算中采集的是1—10月的用戶數(shù)據(jù)，預(yù)測的是11—12月的行為，沒有實(shí)時(shí)更新訓(xùn)練數(shù)據(jù)。這些舊數(shù)據(jù)無法反映用戶新的興趣變化，降低了準(zhǔn)確性。而擊中率提高則是由于推薦命中數(shù)據(jù)量的增加。

2.3　結(jié)果與分析

從表1可以看出，基于熱點(diǎn)信息的推薦效果最差，因?yàn)闆]有考慮用戶的個(gè)性化需求，只統(tǒng)計(jì)系統(tǒng)訪問量最多的漁業(yè)科學(xué)數(shù)據(jù)作為熱點(diǎn)信息推薦給用戶。而漁業(yè)科學(xué)數(shù)據(jù)與用戶之間的關(guān)系散亂，難以實(shí)現(xiàn)較好的推薦結(jié)果，且對(duì)于部分用戶會(huì)產(chǎn)生過量推薦的效果。基于人口統(tǒng)計(jì)學(xué)的推薦預(yù)測準(zhǔn)確率和擊中率不高的原因是推薦以用戶的注冊(cè)信息作為特征，不能保證興趣點(diǎn)有較大范圍的重合。基于關(guān)聯(lián)規(guī)則的推薦效果較好，使用的對(duì)比方法參考肖慧等[19]。算法從散亂的科學(xué)數(shù)據(jù)中挖掘了一定的關(guān)聯(lián)規(guī)則，反應(yīng)了數(shù)據(jù)蘊(yùn)含的潛在關(guān)系。隨著推薦數(shù)量的增加，關(guān)聯(lián)程度較低甚至沒有關(guān)聯(lián)的數(shù)據(jù)也被推薦給用戶，使得算法的性能極速下降。當(dāng)N=10時(shí)，算法的預(yù)測準(zhǔn)確性和擊中率都低于基于人口統(tǒng)計(jì)學(xué)的方法。基于用戶的協(xié)同過濾算法計(jì)算了近期用戶瀏覽記錄的相似度，保證了興趣相似度較高的用戶之間的推薦，效果相對(duì)于其他方法較好。并且在吳顏等人的研究中[20]，通過聚類和矩陣的降維，進(jìn)一步緩解了矩陣稀疏性的影響，提高了推薦系統(tǒng)的預(yù)測準(zhǔn)確率。本文算法則在傳統(tǒng)單矩陣分解的基礎(chǔ)上，考慮了漁業(yè)數(shù)據(jù)潛在的位置因素，即用戶感興趣的漁業(yè)數(shù)據(jù)會(huì)因?yàn)槲恢玫淖兓兓Ｏ噍^于單純的基于矩陣分解的協(xié)同過濾算法[21-23]，充分發(fā)掘了數(shù)據(jù)內(nèi)涵的地理位置信息。

本文方法在預(yù)測準(zhǔn)確率和擊中率上都高于其他4種算法，充分利用了數(shù)據(jù)中蘊(yùn)含的地域特征，增加了可用推薦信息，在一定程度上減少了冷啟動(dòng)問題的影響，對(duì)信息較少、難以提取興趣特征的用戶也能有較好的推薦結(jié)果。相較于其他推薦算法，基于地理位置的跨領(lǐng)域推薦在漁業(yè)科學(xué)數(shù)據(jù)領(lǐng)域中具有明顯優(yōu)勢。

3　結(jié)論

通過對(duì)跨領(lǐng)域推薦方法的設(shè)計(jì)和實(shí)現(xiàn)，提出了結(jié)合用戶地理位置的推薦方法，綜合利用了用戶之間的興趣相似性及漁業(yè)數(shù)據(jù)本身蘊(yùn)含的地理位置信息。并對(duì)比了傳統(tǒng)的推薦算法，分析了其優(yōu)劣。計(jì)算結(jié)果表明，本文方法提高了在漁業(yè)科學(xué)數(shù)據(jù)領(lǐng)域里推薦結(jié)果的準(zhǔn)確性，具有一定的研究意義。下一階段會(huì)繼續(xù)研究在移動(dòng)端GPS定位下，以更加精細(xì)的地理信息為用戶推薦漁業(yè)科學(xué)數(shù)據(jù)的方法。

□